A Quality of Service Driven Approach for Clustering in Mobile Ad hoc Networks Based on Metrics Adaptation: Looking Beyond Clustering
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Recently, research topics are focusing on clustering approaches for Ad hoc networks due to their effectiveness in building a virtual backbone formed by a set of suitableclusterheads (CH) to guarantee the communications acrossclusters. In this paper, we propose a clustering approach to elect suitable nodes’ representatives and to store minimum topology information by reducing the propagation of routing information which facilitates the spatial reuse of resource and increase the system capacity. The clusters must adapt dynamically to the environment changes, we also propose a distributed maintenance procedure that allows managing nodes’ adhesion, nodes’ handoff and CHs’ re-election. Based on our analytical model used to estimate the quality of service (QoS) parameters, we implement an admission control algorithm to determine the number of members inside a cluster that can be accommodated while satisfying the constraints imposed by the current applications. This might effectively drive congestion avoidance on the CH andinterclusters load-balancing to achieve better network resource utilization. The obtained results will help us to readjust the clustering algorithm metrics in order to provide better maintenance and QoS guarantees depending on the used applications. Through numerical analysis and simulations, we have studied the performance of our model and compared it with that of other existing algorithms. The results demonstrate better performance in terms of number of clusters, number of handoffs, number of transitions (state change) on CHs, QoS parameters, load balancing and scalability. We also observed how the connectivity and the stability are maximized when the number of nodes increases in presence of the mobility.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle